多尺度细节增强的遥感影像超分辨率重建

鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。

一种基于多尺度分解的多传感器图像融合方法

给出了一种基于多尺度分解 (易操纵金字塔分解 )的多传感器图像融合算法 .该算法把来自不同传感器的图像分解成不同尺度、不同方向 (不止 3个 )的子带系列 ;使用基于相似性量测的规则融合各相应子带图像 ;再进行反变换 ,获得融合后的图像 .

基于拉普拉斯金字塔生成对抗网络的图像超分辨率重建算法

针对目前的图像超分辨率重建算法中存在的大尺度因子的重建效果较差、不同尺度的图像重建均需要单独训练等问题,提出一种基于拉普拉斯金字塔生成对抗网络(GAN)的图像超分辨率重建算法。算法中的生成器使用金字塔结构实现多尺度的图像重建,从而以渐进上采样的方式降低了大尺度因子的学习难度,并在层与层之间使用密集连接加强特征传播,从而有效避免了梯度弥散问题。算法中使用马尔可夫判别器将输入数据映射为结果矩阵,并在训练的过程中引导生成器关注图像的局部特征,从而丰富了重建图像的细节。实验结果表明:在Set5等基准数据集上分别进行放大2倍、4倍、8倍的图像重建时,所提算法的平均峰值信噪比(PSNR)分别达到了33.97 dB、29.15 dB、25.43 dB,平均结构相似性(SSIM)分别达到了0.924、0.840、0.667,相比用于超分辨率重建的卷积神经网络(SRCNN)、深度拉普拉斯金字塔超分辨率重建网络(LapSRN)、用于超分辨率重建的生成对抗式网络(SRGAN)等其他算法有较大提升,且其重建的图像在主观视觉上保留了更多生动的纹理和小颗粒细节。

变分框架下的多尺度图像恢复与重建

变分图像分解,通过极小化能量泛函将图像分解为不同的特征分量,可以被应用到图像的恢复和重建.提出了变分框架下的多尺度图像恢复和重建的思想.基于这种思想,首先提出了一个单参数的(BV,G,E)三元变分分解模型,并且理论分析了参数与不同特征分量的尺度的关系.然后将此模型的参数选为一个二进制序列,得到多尺度的(BV,G,E)变分分解.该多尺度变分分解可以将图像分解为一序列图像结构、纹理和噪声.证明了此多尺度分解的收敛性并且基于对偶理论和交替迭代算法给出了其数值求解方法.最后将提出的多尺度的(BV,G,E)变分分解应用到图像恢复和重建,实验结果证实了理论分析的正确性,显示了将此模型进行图像多尺度恢复和重建的有效性,和与一些其他分解模型相比较的优越性.

基于非采样高斯差分金字塔的多尺度融合边缘检测

针对传统边缘检测算法抗噪性差、边缘连续度低、细节边缘冗余,对运动目标检测应用领域的适用性差等缺点,基于图像多尺度的思想,结合小尺度图像边缘信息准确,大尺度图像抗噪性强、边缘冗余度低的优点,提出一种基于非采样高斯差分金字塔的多尺度融合边缘检测算法。算法首先对图像进行非采样高斯金字塔分解得到多尺度图像,同时在分解过程实现基于高斯差分算子的边缘检测,得到多尺度边缘图像。最后采用多尺度图像边缘融合策略实现多尺度边缘融合。通过实验对算法的有效性进行验证:通过对边缘融合结果进行Abdou-Pratt品质因数分析,表明该算法抗噪性强,边缘定位准确;连续度分析结果表明该算法在降低边缘冗余度的同时保留了主要边缘,且边缘连续度较高;车辆检测实验结果表明基于该算法得到的车辆检测结果准确度较高。

基于多尺度图像局部结构分解的人脸特征提取方法

为了有效提取人脸图像的全局和局部特征以提高人脸识别的性能,提出一种基于多尺度图像局部结构分解的人脸特征提取方法。该方法首先通过多尺度分析构建人脸图像金字塔,然后对于金字塔中每一层的图像应用脊回归度量图像局部窗口内中心宏像素与其近邻宏像素之间的结构关系从而刻画出图像的局部结构信息,再根据得到的局部结构信息将图像分解为若干个子图像,最后将这些子图像均匀下采样和归一化后连接在一起形成一个特征向量。实验结果表明,与Gabor、LBP和IDLS等方法相比,该方法具有更好的识别性能。

反对称提升小波及其在影像分解与重建中的应用

从Gaussian函数出发,根据尺度呈级数变化的特点,导出了反对称提升小波滤波器。该滤波器低通响应关于原点对称,高通响应关于原点反对称,而且截断误差很小,具有近似的紧支撑性和平滑性。并以此为基础,实现了影像的分解与重建算法。

基于小波分解的水中电爆炸冲击波波形重建方法研究

水中金属丝电爆炸产生的冲击波,上升时间仅有数十纳秒,脉冲宽度仅为十几微秒,远小于化学炸药产生的冲击波,采用现有传感器对其进行精确测量非常困难。分析了冲击波波形形成过程,基于帕塞瓦尔时频域能量守恒定律,采用多尺度小波分解的方法,给出了一种冲击波波形重建方法。采用该方法对PCB138传感器实测的压力信号进行了重建,并与Müller-plate针式压力传感器得到的波形进行了比对。结果表明:重建后的信号更加接近真实波形,基于多尺度小波分解的波形重建算法,较基于傅立叶变换的重建算法,稳定性更好,准确度更高。

基于SPD多尺度输入的ST-MASA的肺炎智能检测模型

肺部X光片的临床诊断结果可以作为新冠肺炎及其他肺炎诊断的重要依据,而X光片所显示的肺炎病变的相似性及阅片量巨大,医生传统的阅片识别存在误诊、漏诊和时间消耗等问题。因此,提出了一种融合空间金字塔分解(Spatial pyramid decomposition, SPD)模块进行多尺度输入的ST-MASA(Swin Transformer with Multi-Head Axial-Self-Attention)的肺炎智能检测模型,用于COVID-19和多类型肺炎的自动分类。该模型能够自动关注肺炎病灶的判别信息和多尺度特征,进而更好地进行COVID-19、肺不透明(Lung_Opacity)、非COVID的病毒性肺炎(Viral_Pneumonia)和正常(Normal)的X光片进行分类,以便更好地帮助放射科医生进行医疗诊断工作。实验结果表明,所提出的模型在准确率、召回率、F1-Measure等指标上均优于经典的网络模型ResNet 50、ResNet 101、Inception net-V3和Swin Transformer。

基于多尺度下LBP和PSO的织物瑕疵检测方法研究

针对丝织品疵点纹理与正常情况下织物纹理特征的不同,提出一种多尺度下LBP和PSO结合的织物疵点检测算法.首先对织物图像进行非线性的金字塔多尺度分解,再对各尺度图像提取对光照和旋转具有不变性的LBP特征,在此基础上,利用PSO的快速收敛特点计算各分块的LBP直方图的差异确定出疵点位置.实验结果表明,提出的方法具有较好的鲁棒性.

一种改进的视频超分辨率重建方法

针对目前无人机摄像、照相数据的特点,提出一种基于低分辨率视频重建高分辨率视频的改进方法;采用高斯金字塔光流算法对低分辨率视频及高分辨率图像进行运动估计利用小波频带分解方法提取图像的高频细节,并对视频进行运动补偿,采用凸集投影方法对补偿后视频进行迭代优化;并通过MATLAB仿真实现了以上算法,实验结果证明本文算法重建质量更好、处理速度更快。

基于多尺度卡尔曼滤波的医学图像配准算法

提出了一种新的基于主成分分析和多尺度卡尔曼滤波的医学图像配准算法。利用主成分分析的方法求出两幅图像的主轴和质心,从而计算出图像间的旋转角度;利用高斯金字塔分解构造了一种自适应的卡尔曼滤波器用来提高算法的鲁棒性。对模拟图像和真实图像进行了实验,实验结果表明此方法能准确,快速地处理图像刚性配准问题。

基于人工鱼群的医学DR图像自适应增强算法

提出了一种多尺度金字塔分解重建方法。基于人工鱼群算法和多尺度金字塔分解重建,设计了一种医学DR图像自适应增强算法,实现了图像增强的自适应性。针对分解后的高频部分和低频部分设计了相应的增强方案,增强过程中考虑到了人眼视觉系统的特性。通过仿真实验证明了该算法可以提高医学DR图像的分辨率和对比度,使图像细节更加的丰富和清晰。

一种基于提升小波变换的快速图像融合方法

目前,多尺度分解的方法已开始应用于图像融合.针对基于传统的多尺度分解的融合方法运算速度慢、对内存的需求量大,不适于实时应用的局限性,提出了一种新的基于提升小波变换的快速图像融合算法.多个源图像分别进行提升小波分解,使用恰当的融合规则合并各尺度对应的分解系数,通过提升小波逆变换得到复合图像.实验结果表明,提出的算法无论在执行时间还是融合后的图像质量上都优于传统的方法,有广泛的应用前景,特别适用于实时系统.

基于小波变换的抑制心电信号噪声方法研究

针对在采集心电信号的过程中容易产生多种多样噪声的问题,利用小波函数的多尺度多分辨分析的特性,采用小波变换分解重构的方法,选用4尺度对心电信号进行滤波处理.仿真结果表明,该方法对于50 Hz工频干扰、肌电干扰、基线漂移有较好的抑制作用,为心电信号QRS波的识别奠定了良好的基础.

基于LP的电磁线绕包边缘检测

为提高边缘检测图像的质量,提出一种拉普拉斯金字塔变换的图像边缘检测方法。对原始图像进行分解和重建,得到绕包图像中的背景信息,根据原始图像和背景信息的差值,得到绕包的边缘信息,对多尺度分析实现绕包边缘检测。实验结果表明,该算法能够准确得到清晰的绕包边缘。

基于小波变换的实时影象匹配

讨论了一种基于小波变换的实时影像匹配方法。在多尺度特征提取的过程中，采用了局域正则性指数作为约束条件，保证了特征提取的可靠性；利用小波正交分解与重建实现了分层匹配；同时，采用特征与影像叠加进行了亚像素匹配。经过试验证明，上述方法是行之有效的。

Generalized multiresolution structures in reducing subspaces of L^2(R^d)

In this paper, we introduce the notion of generalized multiresolution structure (GMS) in the set-ting of reducing subspaces of L2(Rd). For a general expansive matrix, we obtain a necessary and sufficient condition for GMS, and prove the existence of GMS in a reducing subspace. Using GMS, we obtain a pyramid decomposition and a frame-like expansion for signals in reducing subspaces.